无人机的飞行（háng）控制是无人机研究领域主要问题之一。在飞行过程中（zhōng）会（huì）受到各（gè）种（zhǒng）干扰（rǎo），如传感器的噪音与（yǔ）漂移、强风与乱气流、载重量变化及（jí）倾角过大（dà）引起的模型变动等等。这（zhè）些都会严重（chóng）影响飞行（háng）器的（de）飞行品（pǐn）质（zhì），因此（cǐ）无人机的控制技术便显得尤为（wéi）重（chóng）要。传统的控制方法主要集（jí）中于姿态和高度（dù）的控制（zhì），除此之外还（hái）有一些（xiē）用（yòng）来控制速度、位置、航向、3D轨迹（jì）跟踪控制。多旋翼（yì）无（wú）人机的（de）控（kòng）制方（fāng）法可以总结（jié）为以下三个主要的方面（miàn）。
一、 线性飞行控制方法（fǎ）
常（cháng）规的飞行器控制方法以及早期的对（duì）飞行器控制的尝试都是建立在线性飞行控制（zhì）理（lǐ）论上的，这其中就（jiù）又有诸（zhū）如PID、H∞、LQR以及增益（yì）调度法。
1.PID PID控制属（shǔ）于传统控制（zhì）方法，是目前最成功、用（yòng）的最广泛（fàn）的（de）控制方法之一。其控制方法简单，无需前期建模工作，参数物理（lǐ）意义明（míng）确，适（shì）用于飞行（háng）精度要求不高的控（kòng）制。
2.H∞ H∞属于鲁棒控制的方法。经典的控制理论（lùn）并不要（yào）求（qiú）被控对象的精（jīng）确数学模型（xíng）来（lái）解（jiě）决多（duō）输入（rù）多输（shū）出非线性（xìng）系统（tǒng）问题。现代控制理论（lùn）可以定（dìng）量地解决多输入多输出非线性系统问题，但完（wán）全依赖于（yú）描述被控（kòng）对象的动态特（tè）性的数（shù）学模型。鲁（lǔ）棒控制可（kě）以很好解决因干扰等因素引起的建模误差（chà）问（wèn）题，但它（tā）的（de）计算量非常大（dà），依赖于高性能的处理器，同时（shí），由于是频域设计方法，调参也（yě）相（xiàng）对困难。
3.LQR LQR是（shì）被运用（yòng）来控制无人（rén）机的比较成（chéng）功的方法之一，其对象是能用状态空（kōng）间表达式表示的线性系统，目标（biāo）函（hán）数为是状态变量或控制变（biàn）量的二次函数的（de）积（jī）分。而且Matlab软件的使用为（wéi）LQR的控（kòng）制方法提供了良好（hǎo）的仿真条件，更（gèng）为工程实现提供了便（biàn）利（lì）。
4.增益调度法 增益调度（Gain scheduling）即在系（xì）统运行时，调度变量的（de）变化导（dǎo）致控制器的参（cān）数随着改（gǎi）变，根据（jù）调度（dù）变量使系统以（yǐ）不同的控（kòng）制规律在不同的区域（yù）内运行，以解决系（xì）统非（fēi）线性的问题（tí）。该算（suàn）法由两大部分组成，第一部分主要完成事件驱动，实现参数调整（zhěng）。 如果系统的运行情况（kuàng）改变，则可通（tōng）过该部分来识别并切换模（mó）态（tài）；第二部分为误（wù）差驱动（dòng），其控制功能由选定的模态（tài）来实（shí）现。该控制方法在旋翼无人机的（de）垂（chuí）直（zhí）起（qǐ）降、定点悬停及（jí）路径跟踪（zōng）等控制上有着（zhe）优异（yì）的性能。
二、 基于学习的飞行控制方法
基于学（xué）习的（de）飞行控（kòng）制方法（fǎ）的特点就是（shì）无（wú）需了解飞行器的动力学模型，只要一些飞行试（shì）验（yàn）和飞行数据。其（qí）中研究最热门的有（yǒu）模糊（hú）控制方（fāng）法、基于人体学习（xí）的（de）方法以及（jí）神经（jīng）网络法（fǎ）。
1.模糊控制方法（Fuzzy logic）模糊控（kòng）制是（shì）解（jiě）决模型不确（què）定性的方法之（zhī）一，在模型（xíng）未知的情况下来实现对（duì）无人机的（de）控制。
2.基于人（rén）体学习的方（fāng）法（Human-based learning） 美国MIT的科研（yán）人员为（wéi）了寻找能更好地控制小型无人飞行器（qì）的控制方法，从参加军事演习（xí）进行（háng）特技飞行的（de）飞（fēi）机中（zhōng）采集数据，分析飞行（háng）员（yuán）对不同情（qíng）况下飞机的操作（zuò），从而更（gèng）好地理解无人机的输（shū）入序列和反馈机制。这种（zhǒng）方法已经被运用到（dào）小型（xíng）无人机的自主飞行中。
3.神经（jīng）网（wǎng）络法（fǎ）（Neural networks） 经典PID控制结构简单、使用方便、易（yì）于（yú）实现, 但当被控对象具有（yǒu）复杂的非线性特性（xìng）、难以建立精确的数（shù）学模型时，往往难（nán）以（yǐ）达（dá）到满意（yì）的控制效果。神经（jīng）网络自适应控（kòng）制技术能有效（xiào）地实现（xiàn）多种不确定的、难以确切描述的非线性（xìng）复杂过程的控制，提高控制系（xì）统的鲁棒性、容错性，且控制参数具有自（zì）适应和自学习能力。
三、 基于模型的非线性控（kòng）制方法
为了克服某些（xiē）线性控制方法的限制，一些（xiē）非线性的控制方法被提出并且被运用到飞行器的控制中。这些非（fēi）线性的控制方法通常可以归类为基（jī）于模型的非线性控制方法。这其中有反馈（kuì）线性化、模型（xíng）预测控制、多（duō）饱（bǎo）和控制、反步法以及自适应控制。
1.反馈线（xiàn）性化（feedback linearization） 反（fǎn）馈线性化是非线性系统常用的一种（zhǒng）方法。它（tā）利用数学变换的方法（fǎ）和微分几何学的知（zhī）识，首先，将状态和控制（zhì）变量转变为线性形式，然后，利（lì）用常规的线性设（shè）计的（de）方法进行设计，最后，将设计（jì）的结果通过反变换，转换为原始的状态和控制（zhì）形式。反馈线（xiàn）性化理论有两个重（chóng）要分支：微分（fèn）几何（hé）法和动态逆法，其中动态逆方法较微分几（jǐ）何法（fǎ）具有（yǒu）简单的（de）推算（suàn）特点，因此更适合用在飞行控制系统的设计（jì）上。但是，动态逆方法需要相当精确的飞行（háng）器（qì）的模（mó）型，这（zhè）在实（shí）际情况中（zhōng）是十分困难的。此外，由于系统建模误差，加（jiā）上外界的各种干扰，因此，设计时要（yào）重点考虑鲁棒性的因素。动态逆的（de）方法有一定的工程应用前景，现（xiàn）已成为（wéi）飞控研究领域的一个热点话题（tí）。
2.模型预（yù）测（cè）控制（model predictive control）模型预测控制是一类特殊的控（kòng）制方法。它是通过在每（měi）一个采样（yàng）瞬间（jiān）求解一个有限时（shí）域开环的最优控（kòng）制问题获得当前控制（zhì）动作。最优控制问题的初始状态为过程的当前状态，解得（dé）的最（zuì）优控制序列只施（shī）加在第一个控制作用（yòng）上，这是它和那（nà）些预先计算控制律的算（suàn）法的（de）最大区（qū）别（bié）。本质（zhì）上看模型预测控制是（shì）求解一个开环最优控制的问题，它与（yǔ）具（jù）体的模（mó）型无关，但是实现则与模（mó）型相关。
3.多（duō）饱和控制（nested saturation）饱（bǎo）和现（xiàn）象是一种非常（cháng）普遍的物（wù）理现象，存在于大量的工程问题中。运用（yòng）多饱和控（kòng）制的方（fāng）法（fǎ）设计多旋翼无人（rén）机，可以解决其它控制方法（fǎ）所不能（néng）解决的很多实际的（de）问题。尤其是对于（yú）微小型无人机（jī）而言（yán），由（yóu）于大倾角的（de）动作以及外部干扰（rǎo），致动器（qì）会频繁出（chū）现（xiàn）饱和。致动（dòng）器（qì）饱（bǎo）和会限制操作的范围并（bìng）削弱控制（zhì）系统的稳定性。很多方法（fǎ）都（dōu）已经被用来解决饱和输入（rù）的问题，但还没有（yǒu）取（qǔ）得理想的效果。多饱和控制在控制饱和输入方（fāng）面有着很好的全（quán）局稳定性，因（yīn）此这种（zhǒng）方法常用来控（kòng）制微型无人（rén）机的（de）稳定性。
4.反步控制（Backstepping）反步控制是非线性系（xì）统控制（zhì）器设计最常用的方法之一，比（bǐ）较（jiào）适（shì）合用来进行在线（xiàn）控制，能够减少在线计算的时间。基于（yú）Backstepping的控（kòng）制（zhì）器设计方法（fǎ），其基本（běn）思路是将复（fù）杂的系统分解成不超（chāo）过系统阶数的多个子系统，然后通过（guò）反向递推为每个子系（xì）统设计部分李雅（yǎ）普诺夫函数和中（zhōng）间虚拟控制量，直至设计完成整个控制器。反步方法运（yùn）用于飞控系统（tǒng）控制（zhì）器的设计可以处理（lǐ）一（yī）类非线（xiàn）性（xìng）、不确定性因素（sù）的影响，而（ér）且已经被证明具有比较好稳定性及误差的收敛（liǎn）性。
5.自适应控制（zhì）(adaptive control) 自适应控制也是一（yī）种基于数学模（mó）型的控制方法，它最大（dà）的特点就是对于系统内部模（mó）型（xíng）和（hé）外部扰动的信息依（yī）赖比较少，与模型相关的信息是在运行（háng）系统的过程中不（bú）断获（huò）取的，逐步地（dì）使模型趋于完善。随（suí）着模型的不（bú）断（duàn）改善（shàn），由（yóu）模型得（dé）到（dào）的控（kòng）制作用也会跟着改进（jìn），因此控制系统具有一定的适应能力。但同时（shí），自适应控制比常规（guī）反馈控制要复杂，成本也很高，因此只（zhī）是在用常规反（fǎn）馈达不到所期望的性能时，才会考虑采用自适应（yīng）的方法。
咨询航（háng）拍服务可（kě）加昆明俊鹰（yīng）无人机飞控手（shǒu）老鹰的微信（xìn）laoyingfly |
